| 摘要 | 第4-5页 |
| abstract | 第5页 |
| 注释表 | 第10-11页 |
| 缩略词 | 第11-12页 |
| 第一章 绪论 | 第12-20页 |
| 1.1 课题来源及背景介绍 | 第12-13页 |
| 1.2 故障诊断与产品质量预测的研究现状 | 第13-16页 |
| 1.2.1 故障诊断与产品质量预测方法分类 | 第13-15页 |
| 1.2.2 基于数据驱动的故障诊断与产品质量预测方法 | 第15-16页 |
| 1.3 轧制过程故障诊断与质量预测的研究现状 | 第16-19页 |
| 1.3.1 轧制过程故障诊断的国内外研究现状 | 第16-18页 |
| 1.3.2 板形质量预测的国内外研究现状 | 第18-19页 |
| 1.4 本文的主要工作 | 第19-20页 |
| 第二章 应用对象及数据驱动方法简介 | 第20-30页 |
| 2.1 引言 | 第20页 |
| 2.2 DSR板形控制系统简介 | 第20-23页 |
| 2.2.1 冷连轧五机架结构 | 第20-21页 |
| 2.2.2 DSR板形辊结构 | 第21-22页 |
| 2.2.3 板形控制系统 | 第22-23页 |
| 2.2.4 板形模式识别 | 第23页 |
| 2.3 多元统计方法及统计过程监测 | 第23-27页 |
| 2.3.1 主成分分析(PCA) | 第23-24页 |
| 2.3.2 偏最小二乘算法(PLS) | 第24-25页 |
| 2.3.3 基于PCA的统计过程监测 | 第25-26页 |
| 2.3.4 基于贡献图的故障诊断 | 第26-27页 |
| 2.4 常用的数据挖掘方法 | 第27-28页 |
| 2.4.1 支持向量机(SVM) | 第27-28页 |
| 2.4.2 关联挖掘 | 第28页 |
| 2.5 本章小结 | 第28-30页 |
| 第三章 一种基于贝叶斯理论和支持向量机回归的板形预测方法 | 第30-48页 |
| 3.1 引言 | 第30页 |
| 3.2 数据预处理 | 第30-35页 |
| 3.2.1 数据来源与数据采集 | 第30-31页 |
| 3.2.2 数据标准化 | 第31-33页 |
| 3.2.3 板形质量参数化 | 第33-35页 |
| 3.3 支持向量机回归模型及模型优化 | 第35-37页 |
| 3.3.1 支持向量机回归模型 | 第35-36页 |
| 3.3.2 贝叶斯准则 | 第36-37页 |
| 3.4 应用案例结果与分析 | 第37-46页 |
| 3.4.1 支持向量机回归模型 | 第37-41页 |
| 3.4.2 贝叶斯优化后的模型 | 第41-46页 |
| 3.5 本章小结 | 第46-48页 |
| 第四章 基于改进Apriori算法的板形缺陷诊断方法 | 第48-60页 |
| 4.1 引言 | 第48页 |
| 4.2 Apriori算法的改进 | 第48-52页 |
| 4.2.1 传统的Apriori算法 | 第48-49页 |
| 4.2.2 改进的Apriori算法 | 第49-52页 |
| 4.3 基于贡献图的板形缺陷原因诊断 | 第52-55页 |
| 4.3.1 数据处理 | 第52-53页 |
| 4.3.2 轧制过程变量贡献图 | 第53-55页 |
| 4.4 应用案例结果与分析 | 第55-59页 |
| 4.4.1 案例1 | 第55-56页 |
| 4.4.2 案例2 | 第56-57页 |
| 4.4.3 案例3 | 第57-59页 |
| 4.5 本章小结 | 第59-60页 |
| 第五章 总结与展望 | 第60-62页 |
| 5.1 研究工作总结 | 第60页 |
| 5.2 研究工作展望 | 第60-62页 |
| 参考文献 | 第62-68页 |
| 致谢 | 第68-70页 |
| 攻读硕士学位期间发表的学术论文及参与的科研项目 | 第70页 |
